Magyar Internetes Agrárinformatikai Újság No 2HU ISSN 1419-1652

<SZÖVEGES NAVIGÁCIÓ> <NAVIGATION WITHOUT GRAPHICS>

<IMPRESSZUM> <AKTUÁLIS> <ARCHÍVUM> <HAZAI TÉMÁK>
<NEMZETKÖZI ROVAT> <SZOLGÁLTATÁSOK>

Emberi döntési minták és gépi algoritmusok

Pásztor Márta Zsuzsanna

egyetemi tanársegéd,
Gödöllõi Agrártudományi Egyetem, Gazdaság– és Társadalomtudományi Kar, Gazdasági Informatika Tanszék, 2103 Gödöllõ, Páter K. u. 1., E-mail: marta@miau.my-x.hu

1. Bevezetés

Napjainkban egyre nagyobb hangsúlyt helyeznek a döntéshozatal fejlesztésére, mind az üzleti életben, mond a kormányzati munkában. Ha megvizsgáljuk (Makridakis és Wheelwright, 1980) a tervezõ és döntéshozó helyzetek követelményeinek sokféleségét, világosan látható, hogy egyetlen elõrejelzõ módszer vagy egy szûkre szabott rendszer nem tud betölteni minden igényt. Szükséges tehát, hogy a potenciálisan alkalmazható elõrejelzõ módszerek, úgy az intuitív, mint az algoritmikus pontosságát ismerjük, és e birtokában válasszunk módszert, illetve értékeljük a prognózisokat. Elengedhetetlen követelmény az elõrejelzések értékelése, valamint az ezek által nyert tapasztalatok visszacsatolása a prognosztikai tevékenységbe.

2. Az adatmodell

Az elõrejelzések pontosságát meghatározó tényezõ az adatbázis teljessége és megbízhatósága (Gidai, 1978).

A módszerek vizsgálatát – releváns és minden módszerhez alkalmazható adatbázison – a Food and Agricultural Organization (FAO) éves (1981-1991) jelentései alapján a búza-, kukorica-, baromfi- és szarvasmarha termelés, export és importadatok felhasználásával végeztem.

3. Az elõrejelzések pontossága

A különbözõ technikákkal elért elõrejelzések eredményességének mérése, a módszerek verifikálása sok problémát vet fel, a valósághûség ellenõrzésétõl az elõrejelzés helyességének vizsgálatáig.

A vizsgált prognosztikai eljárások sokfélesége és az általánosan alkalmazható elvek hiánya miatt, az összehasonlításhoz azt vettem alapul, hogy egy adott módszer az összes lehetséges esetbõl hány alkalommal jelzi elõre helyesen a változás irányát.

4. Szakértõi megkérdezésen alapuló elõrejelzõ módszerek

Ezen eljárásoknál (Nováky, 1992) az intuícióé a fõszerep, amely mögött a szakértõ tudása, személyiségjegyei és aktuális hangulati elemei állnak. Szakértõ az a személy, aki az adott témakörben kellõen tájékozott, feladata, hogy a fejlõdés törvényeit és összefüggéseit az adott probléma megoldásához aktualizálja.

Vizsgálataimat karunk utolsó éves hallgatói között kiosztott kérdõívek segítségével végeztem, amely kérdõíven a szakértõi becslések mellett a megkérdezettek szakértõi kompetenciájának felérését is megkíséreltem.

A szakértõk kiválasztása során bizonyos szerzõk (Besenyei et. al., 1982 és Nováky, 1992) kulcsfontosságú szerepet tulajdonítanak a szakértõi tudás mérésének, míg mások (Labsch, 1973 és Pitlik, 1995) a szakismeret és az elõrejelzõ képesség közötti lehetséges egyenes arányosságot elvetik.

Az 1. ábra bemutatja, hogy az egymásnak ellentmondó szerzõk véleménye találkozik a "SIKERES", sok információ alapján jó döntést és "SIKERTELEN", azaz a kevés információ alapján rosszul döntõ – logikusan létezõ – típusok esetében. Elgondolkodtató azonban, hogy bizonyos helyzetekben léteznek olyanok, akik kevés információ birtokában is jól döntenek, ezen, "INTUITÍV GONDOLKODÓ"-nak nevezett típus pontossági szintjét lehet és kell modellezni a kevés outputot kívánó, de pontos inputot produkáló elõrejelzõ program készítésekor.

1. ábra. Elõrejelzõ típusok a siker és az információ

kapcsolata Labsch (1973) alapján

4.1. Gondolkodási modellek az intuitív elõrejelzésben

Véletlenszerû találgatás: a tárgyi tudást és kompetenciát nélkülözõ személy döntési stratégiája, egyfajta "tippelés" mely szerint a két lehetséges kimenet közül történõ választás az esetek 50%-ban – a nagy számok törvénye alapján – "bejön".

Trend-függõ: korrekt módon ábrázolt inputadatokon általában felismerhetõ a folyamatok tendenciája, ezen alapuló következetes döntés lehet az adatok haladási irányának megfelelõ, vagy ellenkezõ irányú prognózis.

Monoton stratégia: szakmai tudáson, és/vagy logikai képességeken alapuló döntési modell szereplõje a piaci folyamatok ismeretében – az adott adatsort széleskörûen értelmezve – dönt.

Ráérzés: nem stratégiai kategória, de a tapasztalat azt mutatja, hogy bizonyos személyek adott körülmények között szinte teljesen pontosan képesek elõre jelezni a folyamatok alakulását.

5. Algoritmikus technikák

Munkám során a következõ módszerek elõrejelzési képességeit vizsgáltam:

1.) Klasszikus statisztikán alapuló módszerek

a.) Analitikus trendszámítás

b.) Mozgóátlagok módszere

c.) Exponenciális simítás

d.) Markov láncok

e.) Egyszerû trendek

2.) Neuronális hálón alapuló módszerek

a.) Neuro Shell

b.) Függvénygenerátor

c.) Mintázatgenerátor

6. Vizsgálati eredmények

6.1. Intuitív elõrejelzések eredményessége

A szakértõk becslési pontosságát vizsgáló felmérés elsõ lépésében a (lexikális) szakmai tudást és az elõrejelzõ képesség viszonyát vizsgáltam, eredményül a Labsch diagramhoz hasonló eredményt kaptam, a tesztet kitöltõk válaszainál nem találtam összefüggést a tudás és az elõrejelzõ képességek között.

Vizsgáltam továbbá a csoport átlagvéleménye nyomán kialakuló elõrejelzés és az egyes szakértõi teljesítmények viszonyát, mely alapján a csoport átlagvéleményének pontossága 75%, mely megegyezik a monoton stratégiával elérhetõ pontossággal, az egyéni vélemények átlagával elért pontosság azonban e szint alatt marad 67%-os eredménnyel. Ha a felmérésben a válaszadók a trend-függõ stratégiát választják, 92%-os találati arányt érhettek volna el (2. ábra).

A vizsgálatban részt vevõk megválaszthatták milyen mennyiségû és közlésformájú adatokból jeleznek elõre, az eredményekbõl leszûrhetõ, hogy a gyakran hangoztatott szakértõi óhaj – mely szerint minél több rendelkezésre álló adatra van szükség – felesleges, többletadatok birtokában sem javult szignifikánsan a becslési pontosság.

2. ábra. Szakértõi becslések találati aránya

6.2. Az algoritmikus prognózisok eredményei

Az összes vizsgált módszerek közül az alábbiakban csak azokra térek ki, amelyek az intuitív elõrejelzéssel azonos adatbázison kipróbálásra kerültek.

Mindegyik módszerrõl megállapítható, hogy a különbözõ adatbázisokon egymástól eltérõ becslési pontosság-eredményeket mértem, ismételten igazolva Besenyei és szerzõtársai (1982) megállapítását, mely szerint minden adathalmazhoz hozzárendelhetõ egy egzakt módszer, amellyel a legjobb elõrejelzési pontosságot érhetjük el.

A felhasználói szubjektivitás – egyetlen, vagy kevés módszerrel történõ feldolgozás – indokolja, hogy az országok és problématípusok szerint elért elõrejelzési eredményeit integrálva, a módszerek általánosító képességét alátámasztandó az elért eredményeket módszerenként jelenítsem meg (3. ábra).

3. ábra. Algoritmikus módszerek találati aránya

7. Összegzés

Az egyénileg készített intuitív elõrejelzések átlagos helyessége a minimálisan elvárt, a trend függõ, illetve a monoton stratégiával elérhetõ szint alatt marad. Az algoritmikus úton készülõ prognózis maximális pontossági szintjét – a mintázatgenerátorral elérhetõ találati arányt – csak kevés szakértõ éri el, illetve haladja meg. Kérdés, hogy az intuitív elõrejelzés mennyire reprodukálható, hiszen sok szubjektív tényezõtõl függ a pillanatnyi ítélet, míg az algoritmusok futtatási eredménye ezen tényezõktõl független.

Eredményeim alapján az intuitív elõrejelzést jól kiegészíti egy megfelelõ adatbázisra épülõ, tesztelt algoritmikus eljárás. Így a kvantitatív elõrejelzések kontrollálják a kvalitatívakat, és az esetleges szuverén kitörési pontok sem vesznek el az átlagvéleményben, mégis van viszonyítási alap.

Irodalomjegyzék

Bessenyei, L. - Gidai, E. - Nováky, E. (1982): Elõrejelzés, megbízhatóság, valóság, Közgazdasági és Jogi Könyvkiadó, Budapest

FAO Production Yearbook (1978-1991) Róma

FAO Trade Yearbook (1978-1991) Róma

Gidai, E. (1978): A prognózisok megbízhatósága és valódisága, II. Magyar Jövõkutatási Konferencia, Székesfehérvár, 1978. október 3-5.

Labsch, N. (1973): Intuition und Unternehmensentscheidungen, Zfo 42. fg. N. 3. s. 165 ff.

Makridakis, S. - Wheelwright, S.C. (1980): Forecasting Methods for Management,

Nováky, E. (szerk.) (1992): Jövõkutatás, Budapesti Közgazdaságtudományi Egyetem, Budapest

Pitlik, L (1995): Agrárinformatika szöveggyûjtemény, Agroconsult Kft., Gödöllõ


Az utolsó módosítás: 2018.10.27.
© miau